如何通过标准tensorflow服务docker图像来服务多个版本的模型？

我是Tensorflow服务的新手

我刚刚尝试了Tensorflow，通过docker使用，并成功了

但是，当我尝试使用多个版本时，它只提供最新版本

---

有可能吗？或者我需要尝试一些不同的东西吗？

我找到了一种方法，通过构建自己的docker映像来实现这一点，该映像使用

--model\u config\u file

选项，而不是

--model\u name

和

--model\u base\u path

所以我运行tensorflow，使用下面的命令

docker run-p8501:8501-v{local\u path\u of_models.conf}:/models-t{docker\u iamge\u name}

当然，我也为多个模型编写了“models.conf”

编辑：

下面是我从原始docker文件修改的内容

原文：

tensorflow\u模型\u服务器--端口=8500--rest\u api\u端口=8501\
--model_name=${model_name}--model_base_path=${model_base_path}/${model_name}\

修改版本：

tensorflow\u模型\u服务器--端口=8500--rest\u api\u端口=8501\
--model_config_file=${model_BASE_PATH}/models.conf\

这需要ModelServerConfig，下一个docker image tensorflow/serving 1.11.0版（自2018年5月起提供）将支持该配置。在此之前，您可以创建自己的docker映像，或使用tensorflow/serving:nightly或tensorflow/serving:1.11.0-rc0，如前所述。 有关如何实现多个模型，请参见该线程

另一方面，如果您希望启用单个模型的多个版本，则可以使用以下名为“models.config”的配置文件：

这里的“模型版本策略：{all:{}}”使模型的每个版本都可用。 然后运行docker：

docker run -p 8500:8500 8501:8501 \
    --mount type=bind,source=/path/to/my_model/,target=/models/my_model \
    --mount type=bind,source=/path/to/my/models.config,target=/models/models.config \
    -t tensorflow/serving:nightly --model_config_file=/models/models.config

编辑：
现在1.11.0版可用，您可以从拉取新映像开始：

docker pull tensorflow/serving

---

然后使用tensorflow/serving而不是tensorflow/serving:nightly运行docker映像，如上所述。

您是否有可能在某处放置一个示例设置？我试图实现同样的目标，但我显然把错误的目标传递给了docker的形象

docker pull tensorflow/serving